谷歌TPU商业化进展 - 谷歌正与Meta等科技公司洽谈TPU外采合作，Meta考虑从2027年开始在其数据中心部署谷歌TPU，并可能最早于明年通过Google Cloud租用TPU容量，潜在合同金额或达数十亿美元[3] - 谷歌推出了最新一代TPU v7 (Ironwood)，并迭代出Gemini 3，Gemini 3已大量使用TPU完成训练和推理[3] - 谷歌对TPU的研发始于2013年，过去主要用于谷歌内部AI工作负载和Google Cloud服务，此次推动自研芯片走向外部客户是其长期"软硬一体化"战略的自然延伸[3] 英伟达的市场反应与竞争回应 - 谷歌TPU商业化消息导致英伟达股价震荡，周二美股早盘一度下滑7%，最终收跌约2.6%[1] - 自10月29日以来，英伟达市值从5.03万亿美元跌至11月25日收盘的4.32万亿美元，不到一个月时间市值缩水超过7000亿美元（约合人民币5万亿元）[1] - 英伟达正面回应竞争，称公司领先行业整整一代，是唯一能够运行所有AI模型并可在所有计算场景中部署的平台，并强调与谷歌的合作稳定持续[1] AI芯片行业格局演变 - 英伟达目前占据AI芯片市场超过90%的份额，但以谷歌为代表的厂商正在夺取更多份额[3] - 行业正从GPU单线制向多架构、多供应商的异构化体系演进，未来更可能呈现ASIC、GPU异构部署[2][6] - 全球科技巨头普遍加速自研AI芯片以争夺算力主权，包括AWS持续更迭Graviton、Trainium、Inferentia系列，以及中国市场的华为昇腾、寒武纪、百度昆仑芯等[5][6] 不同芯片架构的技术特点 - 英伟达构建了AI基础设施的全套体系，包括CUDA、NVLink、高速互联等，强调GPU的通用性与兼容性是不可替代的基础设施[4] - TPU、Gaudi、Trainium等ASIC芯片根据特定框架或任务场景，在特定负载上取得极高效率[4] - 谷歌表示自家定制的TPU和英伟达GPU的需求都在加速增长，厂商在AI训练与推理时会采用算力供应多元策略[1][4] 行业采购策略变化 - Anthropic同时与英伟达签订长期基础设施协议并采购谷歌最新Ironwood TPU，体现大型AI公司倾向于保持算力供应链多元化的"多路线并行"采购方式[6] - 在大模型训练成本几何级上升的背景下，自研芯片成为巨头降低能耗、控制成本的关键路径[3] - AI基础设施行业正在从单一硬件竞争转向系统级竞争，随着软件框架、模型体系、能效的变化，芯片格局仍在演变[7]